虹软科技2027届实习生招聘笔试历年典型考点题库附带答案详解

虹软科技2027届实习生招聘笔试历年典型考点题库附带答案详解一、单项选择题下列各题只有一个正确答案，请选出最恰当的选项（共30题）1、在计算机视觉中，用于检测图像边缘的经典算子是？A.K-MeansB.CannyC.SVMD.LSTM2、下列哪种激活函数能有效缓解深度神经网络中的梯度消失问题？A.SigmoidB.TanhC.ReLUD.Softmax3、在人脸识别流程中，用于将人脸图像映射为固定长度特征向量的模块是？A.人脸检测B.人脸对齐C.特征提取D.活体检测4、C++中，关于虚函数表的描述正确的是？A.每个对象都有独立虚表B.虚表存储在栈上C.实现多态机制D.静态函数可声明为虚函数5、下列哪种数据结构最适合实现优先队列？A.数组B.链表C.堆D.栈6、在RGB色彩空间中，将彩色图像转换为灰度图像的常用公式是？A.(R+G+B)/3B.0.299R+0.587G+0.114BC.max(R,G,B)D.R-G7、关于卷积神经网络（CNN）中池化层的作用，下列说法错误的是？A.降低特征图维度B.增加参数量C.提高平移不变性D.减少计算量8、Linux系统中，用于查看当前进程占用内存情况的命令是？A.psB.topC.netstatD.df9、在机器学习模型评估中，精确率（Precision）的计算公式是？A.TP/(TP+FP)B.TP/(TP+FN)C.(TP+TN)/(Total)D.2*P*R/(P+R)10、下列哪种排序算法在最坏情况下的时间复杂度为O(nlogn)？A.快速排序B.冒泡排序C.归并排序D.插入排序11、在计算机视觉中，用于人脸关键点检测的常用算法架构是？

A.SVMB.K-MeansC.CNND.PCA12、在计算机视觉中，用于人脸关键点检测的经典算法架构通常基于哪种深度学习模型？

A.SVM

B.CNN

C.K-Means

D.RandomForest13、关于C++中智能指针的使用，以下哪项描述是正确的？

A.shared_ptr存在循环引用风险

B.unique_ptr可被复制

C.weak_ptr拥有对象所有权

D.auto_ptr是C++11推荐使用的14、在图像处理中，高斯模糊的主要作用是？

A.边缘增强

B.去噪和平滑

C.二值化

D.色彩空间转换15、下列哪种数据结构最适合实现LRU（最近最少使用）缓存机制？

A.数组

B.单向链表

C.哈希表+双向链表

D.栈16、在TCP/IP协议中，三次握手的主要目的是？

A.传输数据

B.确认双方收发能力正常

C.断开连接

D.加密通信17、关于Python中的GIL（全局解释器锁），下列说法正确的是？

A.允许多线程并行执行CPU密集型任务

B.保证同一时刻只有一个线程执行字节码

C.在多核CPU上完全发挥多核优势

D.不存在于Jython中18、直方图均衡化主要用于改善图像的什么属性？

A.分辨率

B.对比度

C.饱和度

D.色相19、在Linux系统中，查看当前进程占用内存情况的命令是？

A.ps

B.top

C.netstat

D.df20、下列排序算法中，平均时间复杂度为O(NlogN)且稳定的是？

A.快速排序

B.堆排序

C.归并排序

D.选择排序21、关于卷积神经网络中的池化层，主要功能是？

A.增加参数量

B.降低特征图维度，保留主要特征

C.进行非线性变换

D.初始化权重22、在计算机视觉中，用于检测图像边缘的经典算子是？A.K-MeansB.CannyC.SVMD.LSTM23、下列哪种数据结构最适合实现广度优先搜索（BFS）？A.栈B.队列C.堆D.哈希表24、HTTP协议中，表示“未授权”的状态码是？A.200B.403C.401D.50025、C++中，虚函数表主要用于实现什么机制？A.静态多态B.动态多态C.运算符重载D.模板特化26、深度学习训练中，防止过拟合的有效方法是？A.增加模型复杂度B.DropoutC.减少训练数据D.增大学习率27、线性表中，时间复杂度为O(1)的操作是？A.链表中间插入B.数组随机访问C.链表查找D.数组删除首元素28、TCP三次握手的主要目的是？A.加密数据B.建立连接并同步序列号C.断开连接D.提高传输速度29、下列排序算法中，平均时间复杂度最优的是？A.冒泡排序B.快速排序C.插入排序D.选择排序30、在Linux系统中，查看当前进程状态的命令是？A.lsB.psC.cdD.mkdir二、多项选择题下列各题有多个正确答案，请选出所有正确选项（共15题）31、虹软科技在计算机视觉领域核心优势包括哪些？A.人脸识别算法B.智能驾驶视觉方案C.智能手机影像优化D.传统数据库管理32、以下属于深度学习图像分类常用模型的是？A.ResNetB.YOLOC.SVMD.VGG33、虹软ArcFace算法特点包括？A.高精度B.低算力需求C.仅支持云端部署D.活体检测能力34、智能驾驶中DMS系统主要监测？A.疲劳驾驶B.分心驾驶C.车道偏离D.行人识别35、提升CNN模型泛化能力的方法有？A.数据增强B.DropoutC.增加层数D.正则化36、虹软视觉解决方案应用场景包括？A.手机拍照B.智慧零售C.金融身份认证D.气象预测37、关于边缘计算在视觉AI中的优势，正确的是？A.低延迟B.数据隐私保护C.无限存储容量D.降低带宽压力38、图像预处理常见步骤包括？A.灰度化B.直方图均衡化C.特征匹配D.高斯模糊39、虹软开放平台提供的服务形式有？A.SDK集成B.API接口C.硬件销售D.定制化算法授权40、评估目标检测模型性能的指标包括？A.mAPB.IoUC.AccuracyD.FPS41、虹软科技在计算机视觉领域核心优势包括哪些？A.人脸识别算法B.智能驾驶视觉方案C.智能手机影像优化D.传统数据库管理42、以下属于深度学习框架的是？A.PyTorchB.TensorFlowC.PhotoshopD.OpenCV43、卷积神经网络中用于减少参数量防止过拟合的技术有？A.DropoutB.池化层C.数据增强D.增加网络深度44、虹软视觉解决方案主要落地场景包括？A.移动终端B.智能汽车C.智能家居D.金融柜台45、关于图像预处理说法正确的是？A.灰度化可降维B.直方图均衡化增强对比度C.高斯滤波去噪D.旋转改变像素值三、判断题判断下列说法是否正确（共10题）46、虹软科技的核心竞争力主要在于其自主研发的计算机视觉算法，因此实习生笔试中数据结构与算法基础并非考察重点。（对/错）A.对B.错47、在C++开发岗位的笔试中，智能指针（如shared_ptr）的使用可以有效避免内存泄漏，因此在任何场景下都应优先于原始指针使用。（对/错）A.对B.错48、虹软的人脸识别技术仅依赖于深度学习模型，传统图像处理算法如特征点检测已完全被淘汰，不再出现在技术考核范围内。（对/错）A.对B.错49、在多线程编程测试中，只要使用了互斥锁（Mutex），就一定能保证线程安全，无需考虑死锁或性能瓶颈问题。（对/错）A.对B.错50、虹软科技专注于移动端视觉算法，因此其笔试内容不涉及服务器端后端开发知识，如Linux系统编程或网络协议。（对/错）A.对B.错51、在图像处理的笔试题目中，RGB颜色空间比YUV颜色空间更适合进行亮度与色度分离处理，因为RGB更符合人眼感知特性。（对/错）A.对B.错52、对于嵌入式视觉算法岗位，内存管理和功耗优化不是笔试考察的重点，因为主要关注算法准确率即可。（对/错）A.对B.错53、在机器学习基础题中，过拟合现象可以通过增加训练数据量、引入正则化项或使用Dropout等方法来有效缓解。（对/错）A.对B.错54、虹软科技的SDK通常要求高兼容性，因此在C++笔试中，对STL容器的底层实现原理及迭代器失效问题的考察较少，更注重上层API调用。（对/错）A.对B.错55、在解决计算机视觉问题时，数据预处理步骤（如归一化、去噪）对最终模型性能影响微乎其微，笔试中可忽略此类细节。（对/错）A.对B.错

参考答案及解析1.【参考答案】B【解析】Canny算子是一种多级边缘检测算法，通过高斯滤波去噪、计算梯度幅值和方向、非极大值抑制及双阈值检测，能有效提取清晰边缘。K-Means是聚类算法，SVM是分类器，LSTM用于序列数据处理，均不直接用于边缘检测。虹软科技侧重视觉算法，掌握基础图像处理算子是实习生必备技能。2.【参考答案】C【解析】ReLU（线性整流单元）在正区间导数为1，避免了Sigmoid和Tanh在饱和区导数趋近于0导致的梯度消失问题，加速收敛。Softmax主要用于多分类输出层概率归一化。虹软算法岗位常涉及深度学习模型优化，理解激活函数特性对模型训练至关重要。3.【参考答案】C【解析】特征提取通过深度卷积神经网络将预处理后的人脸图像转换为高维特征向量（Embedding），用于后续相似度比对。人脸检测定位位置，对齐校正姿态，活体检测防伪。这是虹软核心SDK的关键环节，实习生需熟悉全流程架构。4.【参考答案】C【解析】虚函数表（vtable）是实现动态多态的核心，每个类拥有一个虚表，对象包含指向虚表的指针。虚表通常存储在数据段，而非栈。静态函数不属于任何对象，不能为虚函数。虹软底层算法库多用C++开发，掌握内存模型和多态机制是基础要求。5.【参考答案】C【解析】堆（通常是二叉堆）能在O(logn)时间内完成插入和删除最大/最小值操作，非常适合优先队列。数组和链表查找或排序效率低，栈遵循后进先出，不支持优先级调度。在算法题中，堆的应用频繁，考察候选人对数据结构时间复杂度的理解。6.【参考答案】B【解析】人眼对绿色最敏感，红色次之，蓝色最弱。ITU-RBT.601标准规定灰度转换系数为0.299R+0.587G+0.114B，能更准确反映亮度感知。简单平均值忽略了生理特性。虹软图像处理模块常涉及色彩空间转换，需掌握标准算法原理。7.【参考答案】B【解析】池化层（如MaxPooling）通过下采样降低特征图尺寸，从而减少后续层参数量和计算量，并提供一定的平移鲁棒性。它不引入可学习参数，因此不会增加参数量。理解CNN各层作用对于优化模型结构至关重要，是视觉算法岗的高频考点。8.【参考答案】B【解析】top命令实时显示系统中各个进程的资源占用状况，包括CPU和内存。ps查看静态进程快照，netstat监控网络连接，df检查磁盘空间。嵌入式或服务器端部署算法服务时，性能监控是必备技能，虹软注重工程落地能力。9.【参考答案】A【解析】精确率指预测为正的样本中实际为正的比例，即TP/(TP+FP)。B为召回率，C为准确率，D为F1分数。在人脸门禁等场景，误识率（与精确率相关）关键，需平衡精确率与召回率。掌握评估指标有助于模型调优。10.【参考答案】C【解析】归并排序无论最好、最坏情况均为O(nlogn)，因为它始终将数组对半分割并合并。快速排序最坏为O(n^2)（已排序时），冒泡和插入排序最坏也为O(n^2)。算法稳定性与复杂度分析是笔试重点，考察候选人对基础算法性能的掌握。11.【参考答案】C【解析】卷积神经网络（CNN）因其强大的特征提取能力，已成为人脸关键点检测的主流架构。SVM主要用于分类，K-Means用于聚类，PCA用于降维，均不直接适用于高精度的关键点定位任务。虹软等CV公司广泛采用基于CNN的深度学习方法进行面部特征点精准捕捉。12.【参考答案】B【解析】卷积神经网络（CNN）因其强大的特征提取能力，成为人脸关键点检测的主流基础架构。SVM和随机森林属于传统机器学习算法，处理高维图像数据效果不如深度学习。K-Means是无监督聚类算法，不直接用于关键点回归或分类任务。虹软等CV厂商广泛采用基于CNN改进的网络结构来实现高精度、实时的人脸对齐与关键点定位。13.【参考答案】A【解析】shared_ptr通过引用计数管理内存，若两个对象互相持有对方的shared_ptr，会导致循环引用，内存无法释放，需配合weak_ptr解决。unique_ptr独占所有权，不可复制只能移动。weak_ptr不增加引用计数，不拥有所有权。auto_ptr在C++11中已被废弃，推荐使用unique_ptr。掌握智能指针特性对编写安全高效的底层视觉算法库至关重要。14.【参考答案】B【解析】高斯模糊利用高斯函数作为核进行卷积运算，能有效抑制高频噪声，使图像平滑。它常用于预处理阶段，为后续的边缘检测或特征提取提供更干净的数据。边缘增强通常使用拉普拉斯或Sobel算子；二值化涉及阈值处理；色彩空间转换如RGB转HSV，均与高斯模糊的功能不同。在人脸识别预处理中，高斯模糊常用于去除光照噪声干扰。15.【参考答案】C【解析】LRU缓存要求快速查找和快速更新顺序。哈希表提供O(1)的查找速度，双向链表支持O(1)的节点插入和删除。结合两者，可在O(1)时间内完成获取和放置操作。数组查找慢且移动元素开销大；单向链表无法高效反向遍历更新前驱节点；栈仅支持后进先出，无法满足LRU逻辑。这是后端服务及算法引擎中常见的优化考点。16.【参考答案】B【解析】三次握手旨在建立可靠连接，同步序列号，并确认客户端和服务器的发送与接收能力均正常。第一次握手客户端发SYN，第二次服务端回SYN+ACK，第三次客户端回ACK。数据传输发生在握手之后；断开连接使用四次挥手；TCP本身不提供加密，加密需依靠TLS/SSL层。理解网络协议有助于优化云端视觉服务的传输稳定性。17.【参考答案】B【解析】GIL确保CPython解释器中同一时刻只有一个线程执行Python字节码，因此多线程无法真正并行处理CPU密集型任务，但适用于I/O密集型。在多核CPU上，CPU密集型多线程受限于GIL。Jython和IronPython没有GIL。在开发视觉算法接口时，需注意多进程而非多线程来提升CPU利用率。18.【参考答案】B【解析】直方图均衡化通过重新分布像素强度值，使图像的直方图尽可能均匀分布，从而扩展动态范围，增强图像对比度。它不改变图像的空间分辨率，也不直接调整HSV空间中的饱和度和色相。该技术常用于低光照或曝光不均环境下的人脸图像预处理，以提升后续特征提取的鲁棒性。19.【参考答案】B【解析】top命令实时显示系统中各个进程的资源占用状况，包括CPU和内存使用情况，适合动态监控。ps用于快照式查看进程状态；netstat用于网络连接统计；df用于磁盘空间查看。在部署大规模视觉算法服务时，熟练使用top监控内存泄漏和资源瓶颈是运维必备技能。20.【参考答案】C【解析】归并排序平均和最坏时间复杂度均为O(NlogN)，且是稳定排序，即相等元素的相对顺序不变。快速排序平均O(NlogN)但不稳定；堆排序O(NlogN)但不稳定；选择排序O(N^2)且不稳定。在需要保持数据原始顺序特征的视觉数据预处理排序中，归并排序更具优势。21.【参考答案】B【解析】池化层（如MaxPooling）通过下采样降低特征图的空间尺寸，减少计算量和参数，同时保留显著特征并提高模型对平移的鲁棒性。非线性变换由激活函数（如ReLU）完成；权重初始化在网络训练前进行；池化层不包含可学习参数，不会增加参数量。它是构建高效人脸检测模型的关键组件之一。22.【参考答案】B【解析】Canny算子是多阶段算法，能有效检测边缘并抑制噪声，是虹软等CV公司基础考点。K-Means是聚类算法，SVM是分类器，LSTM用于序列数据处理，均非边缘检测专用算子。23.【参考答案】B【解析】BFS按层遍历，需先进先出特性，故用队列。栈用于深度优先搜索（DFS）。堆用于优先队列，哈希表用于快速查找。掌握基础数据结构应用场景是笔试高频考点。24.【参考答案】C【解析】401表示请求要求用户身份验证（未授权）。200为成功，403为禁止访问（已认证但无权限），500为服务器内部错误。网络基础常识在开发岗笔试中常见。25.【参考答案】B【解析】虚函数表（vtable）在运行时确定调用哪个函数，实现动态多态（运行时多态）。静态多态通过模板或重载在编译期确定。这是面向对象编程的核心概念。26.【参考答案】B【解析】Dropout随机丢弃神经元，减少特征依赖，有效防止过拟合。增加复杂度或减少数据会加剧过拟合。增大学习率可能导致震荡不收敛。正则化技术是AI岗位必考内容。27.【参考答案】B【解析】数组支持索引直接访问，耗时O(1)。链表查找和插入需遍历，为O(n)。数组删除首元素需移动后续元素，为O(n)。数据结构性能分析是基础重点。28.【参考答案】B【解析】三次握手用于可靠地建立连接，双方同步初始序列号，确保通信有序。加密由SSL/TLS处理，断开用四次挥手，握手本身不提速。网络协议原理常考。29.【参考答案】B【解析】快速排序平均复杂度为O(nlogn)，优于其他三项的O(n²)。虽最坏情况为O(n²)，但实际应用中通常最快。排序算法复杂度对比是经典考题。30.【参考答案】B【解析】ps（processstatus）用于显示当前进程快照。ls列目录，cd切换目录，mkdir创建目录。Linux常用命令是后端及嵌入式岗位基础技能。31.【参考答案】ABC【解析】虹软科技深耕计算机视觉，核心业务涵盖智能手机视觉解决方案（如美颜、HDR）、智能驾驶舱视觉监控及IoT视觉应用。人脸识别是其早期成名技术之一。传统数据库管理非其核心AI视觉业务范畴，故排除D。32.【参考答案】AD【解析】ResNet和VGG是经典的卷积神经网络（CNN），广泛用于图像分类。YOLO主要用于目标检测，虽含分类头但核心任务是定位与检测。SVM是传统机器学习算法，非深度学习模型。故选AD。33.【参考答案】ABD【解析】ArcFace以高精度著称，且针对移动端优化，具备低算力需求特点，支持离线终端部署。同时集成活体检测以防欺诈。C项错误，因其主打端侧部署。34.【参考答案】AB【解析】DMS（驾驶员监控系统）核心功能是监测驾驶员状态，如闭眼（疲劳）、扭头（分心）。车道偏离和行人识别属于ADAS（高级辅助驾驶系统）功能，非DMS直接职责。35.【参考答案】ABD【解析】数据增强、Dropout和正则化（如L2）均能有效防止过拟合，提升泛化能力。单纯增加网络层数可能导致过拟合或梯度消失，未必提升泛化性，需配合其他技巧。36.【参考答案】ABC【解析】虹软技术广泛应用于移动影像、智慧零售客流分析及金融远程开户身份核验。气象预测主要依赖大气物理模型和卫星数据，非其核心视觉AI场景。37.【参考答案】ABD【解析】边缘计算在本地处理数据，显著降低延迟和带宽消耗，并因数据不出本地而增强隐私保护。但边缘设备存储有限，不具备无限容量，故C错。38.【参考答案】ABD【解析】灰度化、直方图均衡化和高斯模糊均为典型的图像预处理操作，用于降噪或增强对比度。特征匹配属于后续的特征提取或匹配阶段，非预处理。39.【参考答案】ABD【解析】虹软主要通过提供SDK、API及算法授权许可盈利，服务于开发者与企业。公司本身不直接大规模销售通用硬件产品，而是赋能硬件厂商，故C不准确。40.【参考答案】ABD【解析】mAP（平均精度均值）和IoU（交并比）是检测核心指标，FPS衡量推理速度。Accuracy常用于分类任务，在检测中因背景占比大而不具代表性，通常不用作主要评估指标。41.【参考答案】ABC【解析】虹软科技深耕计算机视觉，核心业务涵盖智能手机视觉解决方案（如拍照优化）、智能驾驶视觉感知及IoT视觉应用。人脸识别是其早期核心技术之一。传统数据库管理非其主营业务范畴，故排除D。42.【参考答案】AB【解析】PyTorch和TensorFlow是主流深度学习训练框架。OpenCV是计算机视觉库，虽含DNN模块但非完整训练框架。Photoshop是图像处理软件，与深度学习框架无关。43.【参考答案】ABC【解析】Dropout随机丢弃神经元，池化层降低维度，数据增强扩充样本，均能防过拟合。单纯增加深度可能加剧过拟合，需配合正则化手段，故D不选。44.【参考答案】ABC【解析】虹软产品广泛应用于手机、IoT设备（家居）及智能座舱。金融柜台虽有视觉需求，但非虹软典型公开主打场景，故选ABC。45.【参考答案】ABC【解析】灰度化将三通道转单通道；直方图均衡化改善光照不均；高斯滤波平滑去噪。旋转仅改变空间位置，像素值本身不变（插值除外），故D错误。46.【参考答案】B【解析】错。虽然计算机视觉是核心业务，但扎实的编程基础、数据结构与算法能力是实现高效算法落地的基石。虹软作为技术驱动型企业，在实习生招聘笔试中必然高度重视候选人的代码实现能力、逻辑思维能力及基础算法掌握情况，这是评估其潜力的关键指标。47.【参考答案】B【解析】错。虽然智能指针能管理生命周期，但在高性能计算或底层驱动开发中，原始指针因无额外开销且灵活性高，仍被广泛使用。过度使用智能指针可能带来性能损耗或循环引用问题。候选人需根据具体场景权衡资源管理与性能需求，而非盲目替换。48.【参考答案】B【解析】错。现代计算机视觉系统通常是传统算法与深度学习的结